論文の概要: Super-Resolution of Solar Magnetograms via Adaptive Stratified Ensemble Learning with Uncertainty Estimation

• arxiv url: http://arxiv.org/abs/2609.27131v1
• Date: Tue, 22 Sep 2026 22:46:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.798141
• Title: Super-Resolution of Solar Magnetograms via Adaptive Stratified Ensemble Learning with Uncertainty Estimation
• Title（参考訳）: 不確実性推定を用いた適応成層型アンサンブル学習による太陽磁気図の超解法
• Abstract要約: 太陽の光球磁気図の単一画像の超解像は、宇宙観測機器間で一貫した分析を可能にする。 我々はSOHO/MDI(低分解能)からSDO/HMI(高分解能)までの超分解能課題に対処する。 本研究では,不確実性推定を伴う3つの専門ネットワークの適応的階層化スペシャリストアンサンブル(SSE)を導入する。
• 参考スコア（独自算出の注目度）: 1.913020569130717
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-image super-resolution of Sun's photospheric magnetograms enables consistent analysis across heterogeneous space-based instruments and supports long-term studies of solar magnetic field evolution. We address the super-resolution task from SOHO/MDI (low-resolution) to SDO/HMI (high-resolution) line-of-sight (LOS) magnetograms using a modified RRDBNet architecture initialized by ESRGAN pretrained weights. Through systematic per-image diagnostic analysis, we identify image complexity as the dominant predictor of reconstruction errors. To exploit this finding, we introduce an adaptive stratified specialist ensemble (SSE) of three specialist networks with uncertainty estimation, where each specialist network is trained by images from three different complexity strata using a weighted random sampling strategy. During inference, a lightweight router based on input image statistics assigns each test image to the appropriate specialist network. Our experimental results demonstrate the good performance of the proposed ensemble and its superiority over closely related methods.
• Abstract（参考訳）: 太陽の光球磁気図の単一画像の超解像は、異質な宇宙観測機器間の一貫した解析を可能にし、太陽磁場の進化の長期的な研究を支援する。 ESRGANにより初期化されるRRDBNetアーキテクチャを改良し,SOHO/MDI(低分解能)からSDO/HMI(高分解能)のLOS(高分解能)磁図に対処する。 画像毎の診断を体系的に分析することにより,画像の複雑さを再構成誤りの予測因子として認識する。 この発見を活かすために,不確実性推定を伴う3つの専門ネットワークの適応的階層化専門家アンサンブル(SSE)を導入し,重み付きランダムサンプリング戦略を用いて,各専門ネットワークを3つの複雑性階層の画像からトレーニングする。 推論中、入力画像統計に基づく軽量ルータは、各テストイメージを適切なスペシャリストネットワークに割り当てる。 実験により,提案したアンサンブルの優れた性能と密接な関係のある手法よりも優れた性能を示した。

関連論文リスト

• Physics-Informed Untrained Learning for RGB-Guided Superresolution Single-Pixel Hyperspectral Imaging [8.236676323458687]
  SPI(Single-Pixel Imaging)は、高スペクトル取得への費用対効果を提供するが、非常に低いサンプリングレートで高忠実度空間およびスペクトルの詳細の回復に苦慮している。 本稿では、トレーニングされていないニューラルネットワークとRGBガイダンスを併用した、超高スペクトル再構成と超解像のためのエンドツーエンド物理インフォームドフレームワークを提案する。 提案手法は, 再現精度とスペクトル忠実度の両方において, 最先端のアルゴリズムを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-04T03:48:08Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
  Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。 我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。 本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
  論文  参考訳（メタデータ） (2024-05-13T15:30:41Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• Single-photon Image Super-resolution via Self-supervised Learning [6.218646347012887]
  SPISR(Single-Photon Image Super-Resolution)は、高分解能の光子計数キューブを、高分解能の低分解能キューブから計算画像アルゴリズムによって回収することを目的としている。 EI(Equivariant Imaging)を単一光子データに拡張することにより、SPISRタスクのための自己教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-03T15:52:01Z)
• PC-GANs: Progressive Compensation Generative Adversarial Networks for Pan-sharpening [50.943080184828524]
  空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。 モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
  論文  参考訳（メタデータ） (2022-07-29T03:09:21Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Hyperspectral Image Super-resolution via Deep Spatio-spectral Convolutional Neural Networks [32.10057746890683]
  本稿では,高分解能ハイパースペクトル像と高分解能マルチスペクトル像を融合させる,深部畳み込みニューラルネットワークの簡易かつ効率的なアーキテクチャを提案する。 提案したネットワークアーキテクチャは,近年の最先端ハイパースペクトル画像の超解像化手法と比較して,最高の性能を達成している。
  論文  参考訳（メタデータ） (2020-05-29T05:56:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。